Clasament AI Benchy

Name: Rezultate benchmark modele AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-09-02 Modele evaluate: 311

Modele recomandate

GPT-5.6 Sol high Inteligent Rată de trecere pe încercare 89.4% Teste corecte 18 / 22 Scor 9.4/10 GPT-5.6 Luna medium Rapid Timp de răspuns (mediu) 7.43s Total tokenuri de ieșire 44,525 Scor 7.4/10 DeepSeek V4 Flash 0731 high Accesibil Preț de intrare $0.065 / 1M Preț de ieșire $0.180 / 1M Scor 8.0/10

311/311

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#166#166	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 2 Tokenuri de intrare 118,998 Tokenuri de ieșire 30,750 Tokenuri de raționament 491,730 Timp de răspuns (mediu) 48.18s Timp de răspuns (total) 1059.93s Timp de răspuns (maxim) 422.72s Răspuns greșit: 10 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 6.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#147#147	MiMo-V2.5-Promedium	6.8	Xiaomi	$0.221 ↓	48.68s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 6 Tokenuri de intrare 139,892 Tokenuri de ieșire 15,569 Tokenuri de raționament 169,897 Timp de răspuns (mediu) 48.68s Timp de răspuns (total) 1071.02s Timp de răspuns (maxim) 333.34s Formatare suplimentară: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Eroare API: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 6.2 Combinat : 6.9 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 5.5 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 6.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#84#84	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.039 ↓	51.81s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 108,480 Tokenuri de ieșire 37,229 Tokenuri de raționament 174,081 Timp de răspuns (mediu) 51.81s Timp de răspuns (total) 1139.75s Timp de răspuns (maxim) 218.13s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 7.8 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#269#269	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↑	51.99s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 45.5% Teste instabile 2 Tokenuri de intrare 7,608 Tokenuri de ieșire 40,277 Tokenuri de raționament 0 Timp de răspuns (mediu) 51.99s Timp de răspuns (total) 831.90s Timp de răspuns (maxim) 143.82s Eroare API: 6 Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 9.2 Programare : 5.3 Combinat : 3.0 Parsare și extragere de date : 3.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 3.0 Cultură generală : 3.0
#35#35	GLM 5.3 Flashmax	8.7	Z.ai	$0.059	52.10s
Vezi fișa modelului Total teste 22 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 81.8% Teste instabile 3 Tokenuri de intrare 96,873 Tokenuri de ieșire 7,637 Tokenuri de raționament 196,703 Timp de răspuns (mediu) 52.10s Timp de răspuns (total) 1146.24s Timp de răspuns (maxim) 333.47s Răspuns greșit: 2 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#212#212	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	52.31s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 9.1 Rată de trecere pe încercare 40.9% Teste instabile 3 Tokenuri de intrare 81,438 Tokenuri de ieșire 17,674 Tokenuri de raționament 97,900 Timp de răspuns (mediu) 52.31s Timp de răspuns (total) 1046.21s Timp de răspuns (maxim) 431.98s Răspuns greșit: 5 Eroare API: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 8.3 Programare : 3.1 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.1 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#70#70	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 3 Tokenuri de intrare 115,242 Tokenuri de ieșire 6,163 Tokenuri de raționament 181,174 Timp de răspuns (mediu) 53.51s Timp de răspuns (total) 1177.25s Timp de răspuns (maxim) 315.30s Răspuns greșit: 5 Apel de instrument invalid: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.1 Combinat : 8.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#199#199	GPT-5 Nanomedium	6.0	OpenAI	$0.118	54.20s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 54.5% Teste instabile 9 Tokenuri de intrare 94,944 Tokenuri de ieșire 12,037 Tokenuri de raționament 270,400 Timp de răspuns (mediu) 54.20s Timp de răspuns (total) 867.23s Timp de răspuns (maxim) 227.89s Răspuns greșit: 10 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 7.0 Combinat : 6.4 Parsare și extragere de date : 3.7 Specific domeniului : 3.4 Inteligență generală : 4.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#253#253	Granite 4.2 8Blow	5.1	IBM Granite	$0.012	54.36s
Vezi fișa modelului Total teste 22 Teste greșite 15 Fiabilitate 9.0 Rată de trecere pe încercare 31.8% Teste instabile 0 Tokenuri de intrare 74,721 Tokenuri de ieșire 9,205 Tokenuri de raționament 18,723 Timp de răspuns (mediu) 54.36s Timp de răspuns (total) 1195.97s Timp de răspuns (maxim) 566.80s Răspuns greșit: 10 Timp expirat: 3 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 3.0 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#98#98	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 60.6% Teste instabile 1 Tokenuri de intrare 106,946 Tokenuri de ieșire 7,993 Tokenuri de raționament 503,413 Timp de răspuns (mediu) 54.50s Timp de răspuns (total) 1199.07s Timp de răspuns (maxim) 252.69s Răspuns greșit: 6 Formatare suplimentară: 3 Trucuri anti-AI : 8.3 Programare : 5.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#205#205	Hy3 previewhigh	5.9	Tencent	$0.135 ↕	56.57s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 53.0% Teste instabile 2 Tokenuri de intrare 25,987 Tokenuri de ieșire 216,719 Tokenuri de raționament 0 Timp de răspuns (mediu) 56.57s Timp de răspuns (total) 848.59s Timp de răspuns (maxim) 149.94s Eroare API: 7 Răspuns greșit: 3 Trucuri anti-AI : 6.4 Programare : 5.3 Combinat : 5.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#227#227	Nemotron 3.5 Lightninghigh	5.6	NVIDIA	$0.134 ↕	58.26s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 9.9 Rată de trecere pe încercare 50.0% Teste instabile 12 Tokenuri de intrare 118,016 Tokenuri de ieșire 148,344 Tokenuri de raționament 506,253 Timp de răspuns (mediu) 58.26s Timp de răspuns (total) 1281.79s Timp de răspuns (maxim) 285.26s Răspuns greșit: 11 Nu a urmat instrucțiunile: 4 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 5.5 Programare : 4.4 Combinat : 6.4 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 3.7 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#234#234	Laguna S 2.1medium	5.4	Poolside	$0.053 ↓	58.42s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 10.0 Rată de trecere pe încercare 24.2% Teste instabile 3 Tokenuri de intrare 86,647 Tokenuri de ieșire 97,298 Tokenuri de raționament 242,297 Timp de răspuns (mediu) 58.42s Timp de răspuns (total) 1285.26s Timp de răspuns (maxim) 560.31s Răspuns greșit: 13 Apel de instrument invalid: 2 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.4 Programare : 5.3 Combinat : 3.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.6 Respectarea instrucțiunilor : 4.2 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#162#162	Qwen3.6 35B A3Bmedium	6.6	Qwen	$0.672 ↓	58.49s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 57.6% Teste instabile 2 Tokenuri de intrare 85,148 Tokenuri de ieșire 61,736 Tokenuri de raționament 681,556 Timp de răspuns (mediu) 58.49s Timp de răspuns (total) 1169.83s Timp de răspuns (maxim) 817.57s Răspuns greșit: 5 Eroare API: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 7.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#129#129	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 8.1 Rată de trecere pe încercare 65.2% Teste instabile 4 Tokenuri de intrare 82,592 Tokenuri de ieșire 16,089 Tokenuri de raționament 199,800 Timp de răspuns (mediu) 58.80s Timp de răspuns (total) 1234.72s Timp de răspuns (maxim) 308.75s Răspuns greșit: 4 Fără răspuns: 2 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 10.0 Programare : 4.6 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 3.0 Cultură generală : 3.0
#270#270	Nemotron 3.5 Lightninglow	4.8	NVIDIA	$0.140 ↕	59.81s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 9.8 Rată de trecere pe încercare 42.4% Teste instabile 9 Tokenuri de intrare 138,792 Tokenuri de ieșire 142,972 Tokenuri de raționament 522,202 Timp de răspuns (mediu) 59.81s Timp de răspuns (total) 1315.80s Timp de răspuns (maxim) 312.21s Răspuns greșit: 14 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 6.9 Programare : 4.0 Combinat : 6.3 Parsare și extragere de date : 2.9 Specific domeniului : 3.6 Inteligență generală : 3.7 Respectarea instrucțiunilor : 8.4 Rezolvare de puzzle-uri : 3.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#170#170	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	61.81s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 57.6% Teste instabile 5 Tokenuri de intrare 113,889 Tokenuri de ieșire 110,550 Tokenuri de raționament 496,487 Timp de răspuns (mediu) 61.81s Timp de răspuns (total) 1359.72s Timp de răspuns (maxim) 417.36s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 5.9 Combinat : 6.9 Parsare și extragere de date : 7.3 Specific domeniului : 3.6 Inteligență generală : 4.0 Respectarea instrucțiunilor : 7.9 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#219#219	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Vezi fișa modelului Total teste 18 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 56.1% Teste instabile 4 Tokenuri de intrare 29,134 Tokenuri de ieșire 1,984 Tokenuri de raționament 1,355,583 Timp de răspuns (mediu) 61.96s Timp de răspuns (total) 1115.31s Timp de răspuns (maxim) 149.23s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 3.3 Combinat : 5.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 5.0 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0 Cultură generală : 0.0
#59#59	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 77.3% Teste instabile 3 Tokenuri de intrare 86,755 Tokenuri de ieșire 6,057 Tokenuri de raționament 230,570 Timp de răspuns (mediu) 62.57s Timp de răspuns (total) 1376.46s Timp de răspuns (maxim) 327.51s Răspuns greșit: 4 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 8.5 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#122#122	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 4 Tokenuri de intrare 124,780 Tokenuri de ieșire 47,694 Tokenuri de raționament 439,825 Timp de răspuns (mediu) 65.67s Timp de răspuns (total) 1444.68s Timp de răspuns (maxim) 519.30s Răspuns greșit: 5 Timp expirat: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 6.0 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#302#302	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 9.6 Rată de trecere pe încercare 19.7% Teste instabile 1 Tokenuri de intrare 99,662 Tokenuri de ieșire 146,555 Tokenuri de raționament 732,977 Timp de răspuns (mediu) 66.16s Timp de răspuns (total) 1389.33s Timp de răspuns (maxim) 252.08s Fără răspuns: 7 Răspuns greșit: 5 Nu a urmat instrucțiunile: 4 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 6.5 Programare : 2.9 Combinat : 3.0 Parsare și extragere de date : 2.8 Specific domeniului : 3.0 Inteligență generală : 5.1 Respectarea instrucțiunilor : 6.6 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#41#41	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Vezi fișa modelului Total teste 22 Teste greșite 5 Fiabilitate 10.0 Rată de trecere pe încercare 83.3% Teste instabile 2 Tokenuri de intrare 79,249 Tokenuri de ieșire 5,097 Tokenuri de raționament 165,276 Timp de răspuns (mediu) 66.52s Timp de răspuns (total) 1463.50s Timp de răspuns (maxim) 238.07s Răspuns greșit: 4 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 8.8 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#118#118	Muse Glimmer 30Bhigh	7.2	Meta	$0.430 ↓	66.70s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 8 Tokenuri de intrare 103,494 Tokenuri de ieșire 100,589 Tokenuri de raționament 270,217 Timp de răspuns (mediu) 66.70s Timp de răspuns (total) 1467.39s Timp de răspuns (maxim) 451.90s Răspuns greșit: 7 Nu a urmat instrucțiunile: 3 Fără răspuns: 2 Trucuri anti-AI : 8.7 Programare : 8.8 Combinat : 6.4 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 5.3 Respectarea instrucțiunilor : 8.4 Rezolvare de puzzle-uri : 6.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#203#203	Dots 3 Note Previewmedium	5.9	Dots Studio	$0.000	67.13s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 57.6% Teste instabile 8 Tokenuri de intrare 94,639 Tokenuri de ieșire 108,013 Tokenuri de raționament 571,526 Timp de răspuns (mediu) 67.13s Timp de răspuns (total) 1476.95s Timp de răspuns (maxim) 459.19s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Formatare suplimentară: 1 Trucuri anti-AI : 8.7 Programare : 4.2 Combinat : 9.9 Parsare și extragere de date : 4.5 Specific domeniului : 3.6 Inteligență generală : 3.8 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#171#171	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	67.81s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 59.1% Teste instabile 6 Tokenuri de intrare 127,621 Tokenuri de ieșire 141,858 Tokenuri de raționament 590,204 Timp de răspuns (mediu) 67.81s Timp de răspuns (total) 1491.80s Timp de răspuns (maxim) 480.52s Răspuns greșit: 8 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.7 Programare : 5.8 Combinat : 6.9 Parsare și extragere de date : 7.3 Specific domeniului : 5.3 Inteligență generală : 3.4 Respectarea instrucțiunilor : 8.3 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0

←

1 9 10 11 13

→

Tendințe globale ale benchmarkului

Vezi cum echilibrează modelele actuale scorul, costul, viteza, lungimea răspunsului și performanța pe categorii.

Grafice →

Frontiera Pareto: inteligență vs cost

Evoluția celui mai bun scor al companiilor de top

Frontiera Pareto: inteligență vs viteza de răspuns

Frontiera Pareto: scor vs tokenuri de ieșire

Dificultatea categoriilor între modele

Comparație rapidă

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium